理论上数据集的格式名称等没有强制的要求，但是为了尽量少的修改代码，我们用PASCAL VOC 格式制作数据集，这样制作完之后替换原来数据集的相应文件就可以了。
VOC数据集下载之后解压后是下面的几个文件夹：
其中在图像物体识别上着重需要了解的是Annotations、ImageSets和JPEGImages，这三个文件夹
1、JPEGImages文件夹：该文件夹下存放着所有的训练集图片，格式都是.jpg需要注意的是命名格式，虽然对命名没有特别要求，但是最好按照官方的命名方法，如000001.jpg，000123.jpg。
图片的像素尺寸大小不一，但是横向图的尺寸大约在500*375左右，纵向图的尺寸大约在375*500左右，基本不会偏差 超 过 100。（在之后的训练中，第一步就是将这些图片都resize到300*300或是500*500，所有原始图片不能离这个标准过远。）。这些图像就是用来进行训练和测试验证的图像数据。
2、Annotations 文件夹：该文件夹下存放的是每一个图片的标注信息，文件都是.xml格式，文件名和图片名是一致的对于该xml的格式，可以参考一下示例：
<annotation> <folder>VOC2012</folder> <filename>2007_000392.jpg</filename> //文件名 <source> //图像来源（不重要） <database>The VOC2007 Database</database> <annotation>PASCAL VOC2007</annotation> <image>flickr</image> </source> <size> //图像尺寸（长宽以及通道数） <width>500</width> <height>332</height> <depth>3</depth> </size> <segmented>1</segmented> //是否用于分割（在图像物体识别中01无所谓） <object> //检测到的物体 <name>horse</name> //物体类别 <pose>Right</pose> //拍摄角度 <truncated>0</truncated> //是否被截断（0表示完整） <difficult>0</difficult> //目标是否难以识别（0表示容易识别） <bndbox> //bounding-box（包含左下角和右上角xy坐标） <xmin>100</xmin> <ymin>96</ymin> <xmax>355</xmax> <ymax>324</ymax> </bndbox> </object> <object> //检测到多个物体 <name>person</name> <pose>Unspecified</pose> <truncated>0</truncated> <difficult>0</difficult> <bndbox> <xmin>198</xmin> <ymin>58</ymin> <xmax>286</xmax> <ymax>197</ymax> </bndbox> </object> </annotation>注意：必须格式一致，在xml文件中最好没有类似<?xml version="1.0"?> 这样的头，我一开始制作的数据集包含这个头，训练一致报错，后来删除这个头之后训练正常。
这是一个基本的格式，其中的object标签保存的就是人脸的位置信息，对于一个图片里面有多个对象的话，在该xml中就有多个object。然后Annotations文件夹里面就是这样的一堆xml文件，其他没什么。
训练时报错：File "/py-faster-rcnn/tools/../lib/datasets/imdb.py", line 108, in append_flipped_images assert (boxes[:, 2] >= boxes[:, 0]).all() AssertionError
需要注意:
检查自己数据发现，左上角坐标（x,y）可能为0，或标定区域溢出图片，而faster rcnn会对Xmin,Ymin,Xmax,Ymax进行减一操作，如果xmin或者ymin为0，减一后变为65535
3、ImageSets 文件夹：该文件夹下有四个文件夹其中Action下存放的是人的动作（例如running、jumping等等，这也是VOC challenge的一部分）
Layout下存放的是具有人体部位的数据（人的head、hand、feet等等，这也是VOC challenge的一部分）
Main下存放的是图像物体识别的数据，总共分为20类。
Segmentation下存放的是可用于分割的数据。
对物体识别来说用到的文件夹是Main文件夹，其他的文件夹不太重要（对于我目前的需求来说），这个文件夹中主要有四个.txt文件，分别是train.txt、test.txt、trainval.txt、val.txt
test.txt中保存的是测试所用的所有样本的名字，不过没有后缀（下同）,一般测试的样本数量占总数据集的50%
train.txt中保存的是训练所用的样本名，样本数量通常占trainval的50%左右
val.txt中保存的是验证所用的样本名，数量占trainval的50%左右
trainval.txt中保存的是训练验证样本，是上面两个的总和，一般数量占总数据集的50%
jpg和xml文件制作完成后，生成这几个文件：
import os
import random
folderpath = "F:\\imagedata\\"
trainval_percent = 0.66
train_percent = 0.5
xmlfilepath = 'F:\\imagedata\\Annotations'
txtsavepath = 'F:\\imagedata\\ImageSets\\Main'
total_xml = os.listdir(xmlfilepath)
num = len(total_xml)
list = range(num)
tv = int(num*trainval_percent)
tr = int(tv*train_percent)
trainval = random.sample(list,tv)
train = random.sample(trainval,tr)
ftrainval = open(folderpath + 'ImageSets/Main/trainval.txt', 'w')
ftest = open(folderpath + 'ImageSets/Main\\test.txt', 'w')
ftrain = open(folderpath + 'ImageSets/Main\\train.txt', 'w')
fval = open(folderpath + 'ImageSets/Main\\val.txt', 'w')
for i in list:
name = total_xml[i][:-4]+'\n'
if i in trainval:
ftrainval.write(name)
if i in train:
ftrain.write(name)
else:
fval.write(name)
else:
ftest.write(name)
ftrainval.close()
ftrain.close()
fval.close()http://www.cnblogs.com/whlook/p/7220105.html
ftest .close()
分享一个图片标记工具：亲测好用
https://github.com/tzutalin/labelImg